CN114463986A - 一种车联网车路协同方法 - Google Patents

一种车联网车路协同方法 Download PDF

Info

Publication number
CN114463986A
CN114463986A CN202210360294.3A CN202210360294A CN114463986A CN 114463986 A CN114463986 A CN 114463986A CN 202210360294 A CN202210360294 A CN 202210360294A CN 114463986 A CN114463986 A CN 114463986A
Authority
CN
China
Prior art keywords
vehicle
road
algorithm
communication
vehicles
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210360294.3A
Other languages
English (en)
Other versions
CN114463986B (zh
Inventor
陈振
唐彬
刘洪丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Chexiao Technology Co ltd
Original Assignee
Chengdu Chexiao Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Chexiao Technology Co ltd filed Critical Chengdu Chexiao Technology Co ltd
Priority to CN202210360294.3A priority Critical patent/CN114463986B/zh
Publication of CN114463986A publication Critical patent/CN114463986A/zh
Application granted granted Critical
Publication of CN114463986B publication Critical patent/CN114463986B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Abstract

本发明涉及车联网技术领域，尤其涉及一种车联网车路协同方法，采用V2X车联网通信对目标车辆出发地至目的地的路段进行先验信息数据采集，目标车辆通过广度优先算法找到最短距离的V2X传输通道并接收由该V2X传输通道采集的先验信息数据，根据V2X传输通道内的车联网设备定位数据采集的路段，目标车辆接收的先验信息数据经过先验算法处理后确定该路段的复杂情况，将路侧感知和车载感知相结合，形成对道路交通环境的全面感知和判断，通过广度优先算法提出最适合的驾驶路段，并配合先验算法将驾驶路段的图像数据发送至目标车辆，使驾驶员具有超视距的感知能力进而判断驾驶路段的路况是否易于通行。

Description

一种车联网车路协同方法
技术领域
本发明涉及车联网技术领域，尤其涉及一种车联网车路协同方法。
背景技术
传统的智能交通系统采用视频、雷达等检测器检测道路交通流量、车速、排队长度等交通参数，并且结合GNSS浮动定位系统检测道路交通状态。近年来又有互联网公司结合移动互联网手机定位大数据分析交通状态，进而建立了交通大脑，对区域交通信号灯配时方案进行整体优化，实现了不错的效果，但道路交通是异常复杂的巨大系统，道路交通环境瞬息万变。仅仅凭传统的交通感知手段和自动驾驶汽车安装的有限传感器是无法满足完全、快速掌握动态交通环境的需求的。而且由于车载传感器要求体积小，并且价格昂贵，无法普及的广大出行者的汽车。
发明内容
本发明提供一种车联网车路协同方法。
本发明通过以下技术方案实现：
一种车联网车路协同方法， 采用V2X车联网通信对目标车辆出发地至目的地的路段进行先验信息数据采集，目标车辆通过广度优先算法找到最短距离的V2X传输通道并接收由该V2X传输通道采集的先验信息数据，根据V2X传输通道内的车联网设备定位数据采集的路段，目标车辆接收的先验信息数据经过先验算法处理后确定该路段的复杂情况。
进一步的，所述的V2X车联网通信包括V2V通信、V2I通信和V2P通信。
进一步的，所述的V2V通信采用车辆感知设备进行机动车间的无线数据传输，所述车辆感知设备包括车载激光雷达、车载摄像机和车载定位，所述的V2I通信采用路侧感知设备进行基础设施与机动车间的无线数据传输，所述路侧感知设备包括视频摄像机、路基毫米波雷达、路基激光雷达和信号灯，所述的V2P通信采用移动设备进行路人与机动车间的无线数据传输，所述移动设备包括手机移动端。
进一步的，还包括车路协同云服务器，所述车路协同云服务器通过通信基站连接机动车，机动车通过车辆感知设备相互连接，所述车路协同云服务器通过路侧边缘计算设备连接基础设施，机动车连接基础设施，机动车通过移动设备连接路人。
进一步的，广度优先算法将目的地设置为源顶点，以V2X通信距离为边界探寻所有可以到达源顶点的子节点，子节点包括辆感知设备、路侧感知设备和移动设备，将出发地与子节点相互连接构成广度优先树，从广度优先树中找到出发地通过子节点与源顶点连接的最小边数的路径，即为出发地到目的地的最短路径。
进一步的，所述广度优先算法由车路协同云服务器提供，车路协同云服务器将子节点形成的最短路径优化形成目标车辆出发地至目的地的最短路线，其中优化方式是通过车联网设备的定位数据进行路线定位。
进一步的，所述车路协同云服务器还具有先验算法用于处理最短路线上V2X通信采集的先验信息数据，所述的先验算法为去雾算法，所述去雾算法如下：
Figure DEST_PATH_IMAGE002AA
其中x为图片像素的空间坐标，I为采集到的模糊图像，J为待恢复的图像，r表示大气散射系数，d代表景物深度，A为全局大气光成分，
Figure 424740DEST_PATH_IMAGE004
为坐标空间x处的透射率，使用t(x)表示透射率得到以下公式：
Figure DEST_PATH_IMAGE006AA
通过I(x)求解J(x)即可得到去雾后的图像数据。
进一步的，目标车辆接收由车路协同云服务器发送的去雾先验信息数据判断最短路线是否适宜通行。
本发明的有益效果：
本发明提出的一种车联网车路协同方法，将路侧感知和车载感知相结合，形成对道路交通环境的全面感知和判断，通过广度优先算法提出最适合的驾驶路段，并配合先验算法将驾驶路段的图像数据发送至目标车辆，使驾驶员具有超视距的感知能力进而判断驾驶路段的路况是否易于通行。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提出的一种车联网车路协同方法的结构示意图；
图2为本发明提出的一种车联网车路协同方法的广度优先算法示意图；
图3为本发明提出的一种车联网车路协同方法的终端设备结构示意图；
图4为本发明提出的一种车联网车路协同方法的计算机可读存储介质结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1所示，一种车联网车路协同方法， 采用V2X车联网通信对目标车辆出发地至目的地的路段进行先验信息数据采集，目标车辆通过广度优先算法找到最短距离的V2X传输通道并接收由该V2X传输通道采集的先验信息数据，根据V2X传输通道内的车联网设备定位数据采集的路段，目标车辆接收的先验信息数据经过先验算法处理后确定该路段的复杂情况，所述的V2X车联网通信包括V2V通信、V2I通信和V2P通信，所述的V2V通信采用车辆感知设备进行机动车间的无线数据传输，所述车辆感知设备包括车载激光雷达、车载摄像机和车载定位，所述的V2I通信采用路侧感知设备进行基础设施与机动车间的无线数据传输，所述路侧感知设备包括视频摄像机、路基毫米波雷达、路基激光雷达和信号灯，所述的V2P通信采用移动设备进行路人与机动车间的无线数据传输，所述移动设备包括手机移动端，还包括车路协同云服务器，所述车路协同云服务器通过通信基站连接机动车，机动车通过车辆感知设备相互连接，所述车路协同云服务器通过路侧边缘计算设备连接基础设施，机动车连接基础设施，机动车通过移动设备连接路人。
实施例2
如图2，本实施例在实施例1的基础上，提出一种适用于车联网车路协同方法的广度优先算法。
进一步的，所述算法如下：
广度优先算法将目的地设置为源顶点a，以V2X通信距离为边界探寻所有可以到达源顶点的子节点，子节点包括车辆感知设备、路侧感知设备和移动设备，将出发地g与子节点相互连接构成广度优先树，从广度优先树中找到出发地通过子节点与源顶点连接的最小边数的路径，即为出发地到目的地的最短路径，广度优先算法需要经过每一个子节点，经过的子节点会进行标记，确保不会重复路过，每一个路过的子节点信息需要进行临时保存至车路协同云服务器，记录从出发地走到源顶点的所有节点并通过链表形式连接，其中相邻节点不会互相连接，循环上述过程直到搜索到最短路径，同时将其他路径按照距离长短完成排序，如图2通过广度优先树找到的最短距离即为a-b-e-g，但是当车辆感知设备、路侧感知设备和移动设备作为子节点的时候由于在一个路段出现的子节点较多，所以会按照V2X通信距离的极限为连接距离进行子节点连接，通信距离的极限也可解释为以子节点中信号最强的设备作为中继，这样做的目的是为了可减少子节点的连接数量减缓网络压力。
所述广度优先算法由车路协同云服务器提供，车路协同云服务器将子节点形成的最短路径优化形成目标车辆出发地至目的地的最短路线，所述优化方式由车联网设备的定位数据进行路线定位，该步骤的目的是由于每一条道路的路况不同，如果遇到十字路口，这时连接的子节点有可能出现偏移的问题，例如目标车辆需要行驶的路段为由南向北的路段，但是有一个连接的子节点设置在十字路口由西向东的道路上，这样会造成最短路线出现偏差，所以可由车联网设备的定位数据尤其是固定在路边的基础设施提供的位置数据通过车路协同云服务器删除部分不规则子节点后优化形成一条不出现偏差的最短路线供目标车辆使用。
实施例3
先验信息是指某些可以提前采集且短时间内不会改变的信息。仅仅依靠传感器的信息是很难感知车辆现在是处在高速公路上，还是处在普通城市道路上的；无限速牌的路段，车速最高可以开多快;前方道路的曲率；所处路段的GPS信号强弱，这些都是传感器遇到检测盲区，无法实时捕获的信息。
但是通过视频摄像头或其他路侧设备采集到的先验信息可能会由于光照，下雨、下雾等一些自然现象导致先验信息的模糊，为了解决图像模糊的问题，本实施例在实施例1的基础上，提出一种适用于车联网车路协同的先验算法。
进一步的，所述车路协同云服务器还具有先验算法用于处理最短路线上V2X通信采集的先验信息数据，所述的先验算法为去雾算法，所述去雾算法如下：
Figure DEST_PATH_IMAGE002AAA
其中x为图片像素的空间坐标，I为采集到的模糊图像，J为待恢复的图像，r表示大气散射系数，d代表景物深度，A为全局大气光成分，
Figure 840416DEST_PATH_IMAGE004
为坐标空间x处的透射率，使用t(x)表示透射率得到以下公式：
Figure DEST_PATH_IMAGE006AAA
通过I(x)求解J(x)即可得到去雾后的图像数据。
其中A可以假设为全局常量，与空间坐标无关，基于物理模型的去雾算法本质是根据已知的有雾图像 I(x) 求出透射率 t(x) 和全局大气光成分A （A>0），进而得到复原图像J(X)（场景光成分），其中J(x)t(x)是直接衰减，A(1-t(x)) 是空气光，当大气是同质（说的应该是均匀分布吧）时，传输率t表示为：
Figure DEST_PATH_IMAGE008A
β为大气的散射系数，d是场景光线的景深。
进一步的，目标车辆接收由车路协同云服务器发送的去雾先验信息数据判断最短路线是否适宜通行。
实施例4
如图3，本实施例提出一种车联网车路协同方法的终端设备，终端设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。
其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中上述任一项一种车联网车路协同方法，其具体实现方式与上述实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器220可以执行上述计算机程序，以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
终端设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该终端设备200交互的设备通信，和/或与使得该终端设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，终端设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与终端设备200的其它模块通信。应当明白，尽管图中未示出，可以结合终端设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
实施例5
如图4，本实施例提出一种车联网车路协同方法的计算机可读存储介质，所述计算机可读存储介质上存储有指令，该指令被处理器执行时实现上述任一的一种车联网车路协同方法。其具体实现方式与上述实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
图4示出了本实施例提供的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种车联网车路协同方法，其特征在于， 采用V2X车联网通信对目标车辆出发地至目的地的路段进行先验信息数据采集，目标车辆通过广度优先算法找到最短距离的V2X传输通道并接收由该V2X传输通道采集的先验信息数据，根据V2X传输通道内的车联网设备定位数据采集的路段，目标车辆接收的先验信息数据经过先验算法处理后确定该路段的复杂情况。
2.根据权利要求1所述的一种车联网车路协同方法，其特征在于，所述的V2X车联网通信包括V2V通信、V2I通信和V2P通信。
3.根据权利要求2所述的一种车联网车路协同方法，其特征在于，所述的V2V通信采用车辆感知设备进行机动车间的无线数据传输，所述车辆感知设备包括车载激光雷达、车载摄像机和车载定位，所述的V2I通信采用路侧感知设备进行基础设施与机动车间的无线数据传输，所述路侧感知设备包括视频摄像机、路基毫米波雷达、路基激光雷达和信号灯，所述的V2P通信采用移动设备进行路人与机动车间的无线数据传输，所述移动设备包括手机移动端。
4.根据权利要求3所述的一种车联网车路协同方法，其特征在于，还包括车路协同云服务器，所述车路协同云服务器通过通信基站连接机动车，机动车通过车辆感知设备相互连接，所述车路协同云服务器通过路侧边缘计算设备连接基础设施，机动车通过路侧感知设备连接基础设施，机动车通过移动设备连接路人。
5.根据权利要求4所述的一种车联网车路协同方法，其特征在于，广度优先算法将目的地设置为源顶点，以V2X通信距离为边界探寻所有可以到达源顶点的子节点，子节点包括辆感知设备、路侧感知设备和移动设备，将出发地与子节点相互连接构成广度优先树，从广度优先树中找到出发地通过子节点与源顶点连接的最小边数的路径，即为出发地到目的地的最短路径。
6.根据权利要求5所述的一种车联网车路协同方法，其特征在于，所述广度优先算法由车路协同云服务器提供，车路协同云服务器将子节点形成的最短路径优化形成目标车辆出发地至目的地的最短路线，其中优化方式是通过车联网设备的定位数据进行路线定位。
7.根据权利要求6所述的一种车联网车路协同方法，其特征在于，所述车路协同云服务器还具有先验算法用于处理最短路线上V2X通信采集的先验信息数据，所述的先验算法为去雾算法，所述去雾算法如下：
Figure 841381DEST_PATH_IMAGE002
其中x为图片像素的空间坐标，I为采集到的模糊图像，J为待恢复的图像，r表示大气散射系数，d代表景物深度，A为全局大气光成分，
Figure DEST_PATH_IMAGE003
为坐标空间x处的透射率，使用t(x)表示透射率得到以下公式：
Figure DEST_PATH_IMAGE005
通过I(x)求解J(x)即可得到去雾后的图像数据。
8.根据权利要求7所述的一种车联网车路协同方法，其特征在于，目标车辆接收由车路协同云服务器发送的去雾先验信息数据判断最短路线是否适宜通行。
CN202210360294.3A 2022-04-07 2022-04-07 一种车联网车路协同方法 Active CN114463986B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210360294.3A CN114463986B (zh) 2022-04-07 2022-04-07 一种车联网车路协同方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210360294.3A CN114463986B (zh) 2022-04-07 2022-04-07 一种车联网车路协同方法

Publications (2)

Publication Number Publication Date
CN114463986A true CN114463986A (zh) 2022-05-10
CN114463986B CN114463986B (zh) 2022-07-15

Family

ID=81417680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210360294.3A Active CN114463986B (zh) 2022-04-07 2022-04-07 一种车联网车路协同方法

Country Status (1)

Country Link
CN (1) CN114463986B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762194A (zh) * 2022-11-01 2023-03-07 西部科学城智能网联汽车创新中心(重庆)有限公司 交通管制方法及装置
CN115909725A (zh) * 2022-11-01 2023-04-04 西部科学城智能网联汽车创新中心(重庆)有限公司 基于车路协同的事故处理方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107343301A (zh) * 2017-05-23 2017-11-10 重庆邮电大学 一种基于消息聚合的车载自组网高效可靠路由方法
US10885780B1 (en) * 2019-07-23 2021-01-05 Denso International America, Inc. Vehicle to infrastructure power saving system
CN112396856A (zh) * 2019-08-14 2021-02-23 大唐移动通信设备有限公司 一种路况信息获取方法、交通标识牌及智能网联交通系统
CN112581747A (zh) * 2021-02-25 2021-03-30 北京主线科技有限公司 一种车路协同的货车队列组织方法、装置及系统
CN112665600A (zh) * 2020-12-03 2021-04-16 国网北京市电力公司 路径规划方法及装置、计算机可读存储介质及处理器
CN112950973A (zh) * 2021-02-01 2021-06-11 中通客车股份有限公司 基于车路协同的公交车智能驾驶辅助系统及方法
CN113503886A (zh) * 2021-06-09 2021-10-15 中国国家铁路集团有限公司 一种大规模复杂路网条件下的快速径路搜索优化方法
CN113613212A (zh) * 2021-08-09 2021-11-05 东华大学 一种基于无人机辅助的车载无线自组网路由控制方法
CN114005297A (zh) * 2021-12-07 2022-02-01 成都车晓科技有限公司 一种基于车联网的车队协调行驶方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107343301A (zh) * 2017-05-23 2017-11-10 重庆邮电大学 一种基于消息聚合的车载自组网高效可靠路由方法
US10885780B1 (en) * 2019-07-23 2021-01-05 Denso International America, Inc. Vehicle to infrastructure power saving system
CN112396856A (zh) * 2019-08-14 2021-02-23 大唐移动通信设备有限公司 一种路况信息获取方法、交通标识牌及智能网联交通系统
CN112665600A (zh) * 2020-12-03 2021-04-16 国网北京市电力公司 路径规划方法及装置、计算机可读存储介质及处理器
CN112950973A (zh) * 2021-02-01 2021-06-11 中通客车股份有限公司 基于车路协同的公交车智能驾驶辅助系统及方法
CN112581747A (zh) * 2021-02-25 2021-03-30 北京主线科技有限公司 一种车路协同的货车队列组织方法、装置及系统
CN113503886A (zh) * 2021-06-09 2021-10-15 中国国家铁路集团有限公司 一种大规模复杂路网条件下的快速径路搜索优化方法
CN113613212A (zh) * 2021-08-09 2021-11-05 东华大学 一种基于无人机辅助的车载无线自组网路由控制方法
CN114005297A (zh) * 2021-12-07 2022-02-01 成都车晓科技有限公司 一种基于车联网的车队协调行驶方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
YAN WANG等: "Context-Aware and Energy-Driven Route Optimization for Fully Electric Vehicles via Crowdsourcing", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
孙文华: "面向低时延高可靠车联网的统计建模与路径优化研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
班世炳: "最佳交通网和通信网方案的C语言程序设计", 《广西工学院学报》 *
白晓明: "基于车路协同的动态诱导算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
董柏宏: "软件定义车联网的数据转发策略和路由选择技术", 《计算机应用》 *
贾武等: "基于现代通信网技术的交通网络建模方法", 《北京理工大学学报》 *
陈则王等: "基于分层分解的一种实时车辆路径规划算法", 《南京航空航天大学学报》 *
陈博奎等: "交通网络与通信网络中的路径策略", 《科技导报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762194A (zh) * 2022-11-01 2023-03-07 西部科学城智能网联汽车创新中心(重庆)有限公司 交通管制方法及装置
CN115909725A (zh) * 2022-11-01 2023-04-04 西部科学城智能网联汽车创新中心(重庆)有限公司 基于车路协同的事故处理方法及装置
CN115762194B (zh) * 2022-11-01 2023-08-25 西部科学城智能网联汽车创新中心(重庆)有限公司 交通管制方法及装置
CN115909725B (zh) * 2022-11-01 2023-09-15 西部科学城智能网联汽车创新中心(重庆)有限公司 基于车路协同的事故处理方法及装置

Also Published As

Publication number Publication date
CN114463986B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
CN108417087B (zh) 一种车辆安全通行系统及方法
CN111626208B (zh) 用于检测小目标的方法和装置
CN114463986B (zh) 一种车联网车路协同方法
CN110208739B (zh) 基于路侧设备利用v2x的辅助车辆定位的方法、装置、设备
CN112562314B (zh) 基于深度融合的路端感知方法、装置、路端设备和系统
CN108399792B (zh) 一种无人驾驶车辆避让方法、装置和电子设备
CN110019570B (zh) 用于构建地图的方法、装置及终端设备
CN111144211B (zh) 点云显示方法和装置
CN109241373B (zh) 用于采集数据的方法和装置
KR101534056B1 (ko) 교통 신호 맵핑 및 검출
CN111108538B (zh) 用于生成和/或更新数字地图的数字模型的系统
US20160210775A1 (en) Virtual sensor testbed
CN111999752A (zh) 确定道路信息数据的方法、装置和计算机存储介质
GB2536771A (en) Autonomous driving refined in virtual environments
CN112590813B (zh) 自动驾驶车辆信息生成方法、装置、电子设备和介质
CN105702152A (zh) 地图生成方法和装置
US11170485B2 (en) Method, apparatus, and system for automatic quality assessment of cross view feature correspondences using bundle adjustment techniques
CN112598899A (zh) 一种数据处理方法和装置
WO2021166169A1 (ja) 車両状態推定方法、車両状態推定装置、及び車両状態推定プログラム
CN116071729A (zh) 可行驶区域和路沿的检测方法、装置及相关设备
US20240029296A1 (en) Orientation Determination for Mobile Computing Devices
CN110390252B (zh) 基于先验地图信息的障碍物检测方法、装置和存储介质
CN112526477B (zh) 用于处理信息的方法和装置
CN111337043B (zh) 一种路径的规划方法、装置、存储介质和电子设备
CN114998863A (zh) 目标道路识别方法、装置、电子设备以及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220622

Address after: Room 3502, 35 / F, building 11, Wangjing Dongyuan, Chaoyang District, Beijing

Applicant after: BEIJING CHEXIAO TECHNOLOGY CO.,LTD.

Address before: No. 3903, 39 / F, building 2, No. 530, middle section of Tianfu Avenue, high tech Zone, Chengdu, Sichuan 610000

Applicant before: Chengdu chexiao Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant